医院已经认识到物联网实施可以为患者护理和手术所带来的价值。连接设备可以提供患者数据和其他相关信息,为试验和投资这项技术提供了强有力的理由。
到2020年,在连接设备达到2000亿部的情况下,仅仅是一个时间问题,所有的医院将主动部署和管理其机构和患者中的一系列连接设备。
然而,除了物联网带给医疗行业的优势,要实施这项技术还是有一定困难的,因为有几大障碍。
早期实施这项技术的企业,已经获得物联网所带来的具体回报。由于其低硬件成本和易于部署,物联网设备已经证明了它们可以收集曾经无法有效跟踪的数据。
医疗机构已经发现该技术有几种不同的用例。有些使用射频识别或近场通信技术,来跟踪其资产,有些在患者房间或家庭中使用连接设备,来跟踪和监测生命体征。无论用例是什么,其紧凑的尺寸,Wi-Fi或蓝牙连接性,更低的单位成本,以及广泛的传感器,使物联网成为解锁医院期望获得的有价值的数据的最佳工具。
尽管物联网吸引力很大,已经在市场上试用了一些可用选项的医院,发现自己遇到了一些这项技术的常见问题。这些问题正在成为物联网在医疗领域实施的障碍。
管理多个设备的复杂性
在一个典型的物联网实施中,医院很可能使用多个供应商和设备类型。这意味着IT最终需要使用多个平台来管理设备,并需要针对多种工具的更多培训,来维护不同的设备。保障和维护这些设备的不断需求,让这些管理工具变得必要。
同时,市场正在迅速做出反应,并试图解决这个问题。VMware最近宣布,将进入已经非常拥挤的物联网设备管理领域。包括Google、微软和Amazon等公司,VMware期望帮助医院的IT团队和其他人员,在整个企业内进行物联网管理和支持。这也突显了物联网在企业中的日益普及,以及在管理不同解决方案时,所带来的挑战。
安全仍然是最大的问题
如果连接设备,比如智能床或胰岛素泵,在一个护理环境中受到攻击,其可能的灾难性结果所带来的风险,IT主管们都担心只要一次事故,就可能导致整个物联网计划的搁置。随着使用IP摄像机这样的物联网设备,针对几个在线零售商的全球性的分布式拒绝服务攻击,医院方面对于物联网,既担心又犹豫不决。
但是,必须指出的是,PC多年来一直拥有和物联网设备类似的漏洞,并且在许多情况下,是造成严重安全漏洞和攻击的原因。
现今的物联网供应商,正在努力保持他们的固件更新,并使用很多现代化的物流网管理平台,对访问和使用进行监控,这有助于确保设备不会落入攻击者的手中。
缺乏专业知识和资源
随着更多的物联网设备在医院中投入测试,许多机构仍然依赖他们的技术人员和一些内部资源来进行实验,和评估这些连接设备所提供的功能。
许多CIO指出,有时他们的团队根本不具备足够的知识,或能力来参与物联网技术的实验或评估,而且严重依赖第三方顾问,而物联网供应商又非常昂贵。这可能导致启动物联网项目的延迟。
数据太多
物联网最大的价值之一是收集和返回的数据。物联网可以收集大量的数据,可以更深入解读从患者和医院内的其他领域中收集到的信息。但是,获得这些数据还不够;收集数据后的分析,才是关键。
这意味着医院必须挖掘这些收集到的数据,从而证明投入到物联网中的成本和资源,是有价值的。 不幸的是,对于没有足够资源,来执行高级分析的一些企业来说,这可能是一个挑战。
这对于一些企业而言,可能就是终结者,因为物联网无法超越数据收集阶段。 尽管医院在考虑物联网实施时,面临众多挑战,但很多医院已经在某种形式上,使用这一技术。目前医院使用的大多数医疗设备都是连接设备,其中的大多数正在主动将数据反馈给中央系统。
然而,为了真正利用物联网所提供的功能,医院必须继续推动更多有关这一技术的实验,以及使用目前可用的很多经验证的物联网解决方案。通过适当的规划,安全保障和领导力的投入,医院将能够更好地评估其可以从这项技术中获得的优势程度。
好文章,需要你的鼓励
Coursera在2025年连接大会上宣布多项AI功能更新。10月将推出角色扮演功能,通过AI人物帮助学生练习面试技巧并获得实时反馈。新增AI评分系统可即时批改代码、论文和视频作业。同时引入完整性检查和监考系统,通过锁定浏览器和真实性验证打击作弊行为,据称可减少95%的不当行为。此外,AI课程构建器将扩展至所有合作伙伴,帮助教育者快速设计课程。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
英国政府研究显示,神经多样性员工从AI聊天机器人中获得的收益远超普通同事。在Microsoft 365 Copilot试点中,神经多样性员工满意度达90%置信水平,推荐度达95%置信水平,均显著高于其他用户。患有ADHD和阅读障碍的员工表示AI工具为他们提供了前所未有的工作支持,特别是在报告撰写方面。研究表明,AI工具正在填补传统无障碍技术未能解决的职场差距,为残障人士提供了隐形的工作辅助。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。